iPAS 考題解析在訓練模型時，若數據中出現特徵尺度差異極大（例如：年齡為 0–100、收入為 0–1,000,000），容易導致模型偏向特定特徵。為提升模型效能與穩定性，以下哪一種預處理方式最能有效解決此問題？

解析

正確答案：B. 對所有特徵進行 Z-score 標準化（Standardization）

Z-score 標準化將每個特徵轉換為均值 0、標準差 1，消除不同特徵尺度的差異，使模型不會因數值範圍大的特徵（如收入）而忽略範圍小的特徵（如年齡）。移除欄位會損失資訊；加常數不改變相對尺度；Min-Max Normalization（C）也可以但在有離群值時不如 Z-score 穩健。

每個選項為什麼對或錯

• A 移除尺度較小的欄位以避免對模型影響過低 錯誤選項

  移除特徵會損失資訊，不是正確的解決方案。

• B 對所有特徵進行 Z-score 標準化（Standardization） 正解

  Z-score 標準化是解決特徵尺度差異的標準做法，此為正確答案。

• C 將特徵縮放至 0–1 區間進行最小-最大正規化（Min-Max Normalization） 錯誤選項

  Min-Max 歸一化也有效但對離群值敏感，Z-score 更穩健。

• D 對所有數值欄位加上常數使其不為零 錯誤選項

  加常數不解決尺度差異問題。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。